Convex combinations ของ density matrices
การเลือกแบบ probabilistic ของ density matrices
สิ่งสำคัญของ density matrices คือ การเลือกแบบ probabilistic ของสถานะควอนตัมจะแสดงด้วย convex combinations ของ density matrices ที่เกี่ยวข้อง
ตัวอย่างเช่น ถ้ามี density matrices สองตัว ρ \rho ρ และ σ \sigma σ แสดงถึงสถานะควอนตัมของระบบ X \mathsf{X} X และเราเตรียมระบบในสถานะ ρ \rho ρ ด้วยความน่าจะเป็น p p p และ σ \sigma σ ด้วยความน่าจะเป็น 1 − p 1 - p 1 − p สถานะควอนตัมที่ได้จะแสดงด้วย density matrix
p ρ + ( 1 − p ) σ . p \rho + (1 - p) \sigma. pρ + ( 1 − p ) σ .
โดยทั่วไปกว่านั้น ถ้ามีสถานะควอนตัม m m m สถานะที่แสดงด้วย density matrices ρ 0 , … , ρ m − 1 \rho_0,\ldots,\rho_{m-1} ρ 0 , … , ρ m − 1 และระบบถูกเตรียมในสถานะ ρ k \rho_k ρ k ด้วยความน่าจะเป็น p k p_k p k สำหรับเวกเตอร์ความน่าจะเป็น ( p 0 , … , p m − 1 ) (p_0,\ldots,p_{m-1}) ( p 0 , … , p m − 1 ) บางตัว สถานะที่ได้จะแสดงด้วย density matrix
∑ k = 0 m − 1 p k ρ k . \sum_{k = 0}^{m-1} p_k \rho_k. k = 0 ∑ m − 1 p k ρ k .
นี่คือ convex combination ของ density matrices ρ 0 , … , ρ m − 1 \rho_0,\ldots,\rho_{m-1} ρ 0 , … , ρ m − 1
ต่อมา ถ้ามีเวกเตอร์สถานะควอนตัม m m m ตัว ∣ ψ 0 ⟩ , … , ∣ ψ m − 1 ⟩ \vert\psi_0\rangle,\ldots,\vert\psi_{m-1}\rangle ∣ ψ 0 ⟩ , … , ∣ ψ m − 1 ⟩ และเราเตรียมระบบในสถานะ ∣ ψ k ⟩ \vert\psi_k\rangle ∣ ψ k ⟩ ด้วยความน่าจะเป็น p k p_k p k สำหรับแต่ละ k ∈ { 0 , … , m − 1 } k\in\{0,\ldots,m-1\} k ∈ { 0 , … , m − 1 } สถานะที่ได้จะแสดงด้วย density matrix
∑ k = 0 m − 1 p k ∣ ψ k ⟩ ⟨ ψ k ∣ . \sum_{k = 0}^{m-1} p_k \vert\psi_k\rangle\langle\psi_k\vert. k = 0 ∑ m − 1 p k ∣ ψ k ⟩ ⟨ ψ k ∣.
ตัวอย่างเช่น ถ้า qubit ถูกเตรียมในสถานะ ∣ 0 ⟩ \vert 0\rangle ∣0 ⟩ ด้วยความน่าจะเป็น 1 / 2 1/2 1/2 และในสถานะ ∣ + ⟩ \vert + \rangle ∣ + ⟩ ด้วยความน่าจะเป็น 1 / 2 1/2 1/2 การแสดง density matrix ของสถานะที่ได้คือ
1 2 ∣ 0 ⟩ ⟨ 0 ∣ + 1 2 ∣ + ⟩ ⟨ + ∣ = 1 2 ( 1 0 0 0 ) + 1 2 ( 1 2 1 2 1 2 1 2 ) = ( 3 4 1 4 1 4 1 4 ) . \frac{1}{2} \vert 0\rangle\langle 0 \vert + \frac{1}{2} \vert +\rangle\langle + \vert
= \frac{1}{2} \begin{pmatrix} 1 & 0\\[1mm] 0 & 0 \end{pmatrix} + \frac{1}{2} \begin{pmatrix} \frac{1}{2} & \frac{1}{2}\\[2mm] \frac{1}{2} & \frac{1}{2} \end{pmatrix}
= \begin{pmatrix} \frac{3}{4} & \frac{1}{4}\\[2mm]
\frac{1}{4} & \frac{1}{4}
\end{pmatrix}. 2 1 ∣0 ⟩ ⟨ 0∣ + 2 1 ∣ + ⟩ ⟨ + ∣ = 2 1 ( 1 0 0 0 ) + 2 1 ( 2 1 2 1 2 1 2 1 ) = ( 4 3 4 1 4 1 4 1 ) .
ในการกำหนดรูปแบบเชิงควอนตัมแบบง่าย การเฉลี่ยเวกเตอร์สถานะควอนตัมแบบนี้ไม่ได้ผล
ยกตัวอย่างเช่น เวกเตอร์
1 2 ∣ 0 ⟩ + 1 2 ∣ + ⟩ = 1 2 ( 1 0 ) + 1 2 ( 1 2 1 2 ) = ( 2 + 2 4 2 4 ) \frac{1}{2} \vert 0\rangle + \frac{1}{2} \vert + \rangle
= \frac{1}{2} \begin{pmatrix}1\\[1mm] 0\end{pmatrix} + \frac{1}{2} \begin{pmatrix}\frac{1}{\sqrt{2}}\\[2mm]\frac{1}{\sqrt{2}}\end{pmatrix}
= \begin{pmatrix}\frac{2 + \sqrt{2}}{4}\\[2mm]\frac{\sqrt{2}}{4}\end{pmatrix} 2 1 ∣0 ⟩ + 2 1 ∣ + ⟩ = 2 1 ( 1 0 ) + 2 1 ( 2 1 2 1 ) = 4 2 + 2 4 2
ไม่ใช่เวกเตอร์สถานะควอนตัมที่ถูกต้อง เพราะ Euclidean norm ของมันไม่เท่ากับ 1 1 1
ตัวอย่างที่แสดงให้เห็นชัดกว่านี้ว่าวิธีนี้ใช้กับเวกเตอร์สถานะควอนตัมไม่ได้คือ ลองกำหนดเวกเตอร์สถานะควอนตัม ∣ ψ ⟩ \vert\psi\rangle ∣ ψ ⟩ ใดก็ได้ แล้วให้สถานะของเราเป็น ∣ ψ ⟩ \vert\psi\rangle ∣ ψ ⟩ ด้วยความน่าจะเป็น 1 / 2 1/2 1/2 และ − ∣ ψ ⟩ -\vert\psi\rangle − ∣ ψ ⟩ ด้วยความน่าจะเป็น 1 / 2 1/2 1/2
สถานะเหล่านี้ต่างกันด้วย global phase จึงเป็นสถานะเดียวกันจริงๆ — แต่การเฉลี่ยให้เราได้เวกเตอร์ศูนย์ ซึ่งไม่ใช่เวกเตอร์สถานะควอนตัมที่ถูกต้อง
สถานะ completely mixed
สมมติว่าเราตั้งสถานะของ qubit เป็น ∣ 0 ⟩ \vert 0\rangle ∣0 ⟩ หรือ ∣ 1 ⟩ \vert 1\rangle ∣1 ⟩ แบบสุ่ม แต่ละตัวด้วยความน่าจะเป็น 1 / 2 1/2 1/2
density matrix ที่แสดงถึงสถานะที่ได้คือ
1 2 ∣ 0 ⟩ ⟨ 0 ∣ + 1 2 ∣ 1 ⟩ ⟨ 1 ∣ = 1 2 ( 1 0 0 0 ) + 1 2 ( 0 0 0 1 ) = ( 1 2 0 0 1 2 ) = 1 2 I \frac{1}{2} \vert 0\rangle\langle 0\vert + \frac{1}{2} \vert 1\rangle\langle 1\vert
= \frac{1}{2}
\begin{pmatrix}
1 & 0\\[1mm]
0 & 0
\end{pmatrix} + \frac{1}{2}
\begin{pmatrix}
0 & 0\\[1mm]
0 & 1
\end{pmatrix}
= \begin{pmatrix}
\frac{1}{2} & 0\\[1mm]
0 & \frac{1}{2}
\end{pmatrix}
= \frac{1}{2} \mathbb{I} 2 1 ∣0 ⟩ ⟨ 0∣ + 2 1 ∣1 ⟩ ⟨ 1∣ = 2 1 ( 1 0 0 0 ) + 2 1 ( 0 0 0 1 ) = ( 2 1 0 0 2 1 ) = 2 1 I
(ในสมการนี้สัญลักษณ์ I \mathbb{I} I หมายถึง identity matrix ขนาด 2 × 2 2\times 2 2 × 2 )
นี่คือสถานะพิเศษที่เรียกว่า สถานะ completely mixed
แสดงถึงความไม่แน่นอนอย่างสมบูรณ์เกี่ยวกับสถานะของ qubit คล้ายกับบิตสุ่มสม่ำเสมอในบริบทของความน่าจะเป็น
ทีนี้สมมติว่าเราเปลี่ยนขั้นตอน: แทนที่จะใช้สถานะ ∣ 0 ⟩ \vert 0\rangle ∣0 ⟩ และ ∣ 1 ⟩ \vert 1\rangle ∣1 ⟩ เราจะใช้สถานะ ∣ + ⟩ \vert + \rangle ∣ + ⟩ และ ∣ − ⟩ \vert - \rangle ∣ − ⟩
เราคำนวณ density matrix ที่อธิบายสถานะที่ได้ได้ในแบบเดียวกัน
1 2 ∣ + ⟩ ⟨ + ∣ + 1 2 ∣ − ⟩ ⟨ − ∣ = 1 2 ( 1 2 1 2 1 2 1 2 ) + 1 2 ( 1 2 − 1 2 − 1 2 1 2 ) = ( 1 2 0 0 1 2 ) = 1 2 I \frac{1}{2} \vert +\rangle\langle +\vert + \frac{1}{2} \vert -\rangle\langle -\vert
= \frac{1}{2}
\begin{pmatrix}
\frac{1}{2} & \frac{1}{2}\\[2mm]
\frac{1}{2} & \frac{1}{2}
\end{pmatrix}
+ \frac{1}{2}
\begin{pmatrix}
\frac{1}{2} & -\frac{1}{2}\\[2mm]
-\frac{1}{2} & \frac{1}{2}
\end{pmatrix}
=
\begin{pmatrix}
\frac{1}{2} & 0\\[2mm]
0 & \frac{1}{2}
\end{pmatrix}
= \frac{1}{2} \mathbb{I} 2 1 ∣ + ⟩ ⟨ + ∣ + 2 1 ∣ − ⟩ ⟨ − ∣ = 2 1 ( 2 1 2 1 2 1 2 1 ) + 2 1 ( 2 1 − 2 1 − 2 1 2 1 ) = ( 2 1 0 0 2 1 ) = 2 1 I
ได้ density matrix เดิม แม้ว่าเราจะเปลี่ยนสถานะ
ในความเป็นจริง เราจะได้ผลลัพธ์เดิม — สถานะ completely mixed — ไม่ว่าจะแทนที่เวกเตอร์สถานะ qubit ตั้งฉากกันสองตัวใดๆ แทน ∣ 0 ⟩ \vert 0\rangle ∣0 ⟩ และ ∣ 1 ⟩ \vert 1\rangle ∣1 ⟩
นี่คือคุณสมบัติที่ถูกต้อง ไม่ใช่ข้อผิดพลาด!
เราได้สถานะเดิมจริงๆ ไม่ว่าจะทำแบบไหน
นั่นคือ ไม่มีทางแยกแยะขั้นตอนทั้งสองได้โดยการวัด qubit ที่สร้างขึ้น แม้ในเชิงสถิติ
ขั้นตอนทั้งสองของเราเป็นเพียงวิธีที่แตกต่างกันในการเตรียมสถานะนี้
เราสามารถยืนยันว่านี่สมเหตุสมผลโดยคิดถึงสิ่งที่เราหวังจะเรียนรู้จากการเลือกสถานะแบบสุ่มจากชุดสถานะที่เป็นไปได้หนึ่งในสอง คือ { ∣ 0 ⟩ , ∣ 1 ⟩ } \{\vert 0\rangle,\vert 1\rangle\} { ∣0 ⟩ , ∣1 ⟩} และ { ∣ + ⟩ , ∣ − ⟩ } \{\vert +\rangle,\vert -\rangle\} { ∣ + ⟩ , ∣ − ⟩}
เพื่อความเรียบง่าย สมมติว่าเราทำการดำเนินการ unitary U U U กับ qubit ของเรา แล้ววัดในฐาน standard
ในสถานการณ์แรก สถานะของ qubit ถูกเลือกอย่างสม่ำเสมอจากชุด { ∣ 0 ⟩ , ∣ 1 ⟩ } \{\vert 0\rangle,\vert 1\rangle\} { ∣0 ⟩ , ∣1 ⟩}
ถ้าสถานะคือ ∣ 0 ⟩ \vert 0\rangle ∣0 ⟩ เราจะได้ผลลัพธ์ 0 0 0 และ 1 1 1 ด้วยความน่าจะเป็น
∣ ⟨ 0 ∣ U ∣ 0 ⟩ ∣ 2 and ∣ ⟨ 1 ∣ U ∣ 0 ⟩ ∣ 2 \vert \langle 0 \vert U \vert 0 \rangle \vert^2
\quad\text{and}\quad
\vert \langle 1 \vert U \vert 0 \rangle \vert^2 ∣ ⟨ 0∣ U ∣0 ⟩ ∣ 2 and ∣ ⟨ 1∣ U ∣0 ⟩ ∣ 2
ตามลำดับ
ถ้าสถานะคือ ∣ 1 ⟩ \vert 1\rangle ∣1 ⟩ เราจะได้ผลลัพธ์ 0 0 0 และ 1 1 1 ด้วยความน่าจะเป็น
∣ ⟨ 0 ∣ U ∣ 1 ⟩ ∣ 2 and ∣ ⟨ 1 ∣ U ∣ 1 ⟩ ∣ 2 . \vert \langle 0 \vert U \vert 1 \rangle \vert^2
\quad\text{and}\quad
\vert \langle 1 \vert U \vert 1 \rangle \vert^2. ∣ ⟨ 0∣ U ∣1 ⟩ ∣ 2 and ∣ ⟨ 1∣ U ∣1 ⟩ ∣ 2 .
เนื่องจากสองความเป็นไปได้เกิดขึ้นแต่ละอย่างด้วยความน่าจะเป็น 1 / 2 1/2 1/2 เราจะได้ผลลัพธ์ 0 0 0 ด้วยความน่าจะเป็น
1 2 ∣ ⟨ 0 ∣ U ∣ 0 ⟩ ∣ 2 + 1 2 ∣ ⟨ 0 ∣ U ∣ 1 ⟩ ∣ 2 \frac{1}{2}\vert \langle 0 \vert U \vert 0 \rangle \vert^2
+ \frac{1}{2}\vert \langle 0 \vert U \vert 1 \rangle \vert^2 2 1 ∣ ⟨ 0∣ U ∣0 ⟩ ∣ 2 + 2 1 ∣ ⟨ 0∣ U ∣1 ⟩ ∣ 2
และผลลัพธ์ 1 1 1 ด้วยความน่าจะเป็น
1 2 ∣ ⟨ 1 ∣ U ∣ 0 ⟩ ∣ 2 + 1 2 ∣ ⟨ 1 ∣ U ∣ 1 ⟩ ∣ 2 . \frac{1}{2}\vert \langle 1 \vert U \vert 0 \rangle \vert^2
+ \frac{1}{2}\vert \langle 1 \vert U \vert 1 \rangle \vert^2. 2 1 ∣ ⟨ 1∣ U ∣0 ⟩ ∣ 2 + 2 1 ∣ ⟨ 1∣ U ∣1 ⟩ ∣ 2 .
นิพจน์ทั้งสองเท่ากับ 1 / 2 1/2 1/2
วิธีหนึ่งในการพิสูจน์คือใช้ข้อเท็จจริงทางพีชคณิตเชิงเส้นที่มองได้ว่าเป็นการขยายทฤษฎีบทพีทาโกรัส
ทฤษฎีบท
สมมติว่า { ∣ ψ 1 ⟩ , … , ∣ ψ n ⟩ } \{\vert\psi_1\rangle,\ldots,\vert\psi_n\rangle\} { ∣ ψ 1 ⟩ , … , ∣ ψ n ⟩} เป็นฐาน orthonormal ของปริภูมิเวกเตอร์ (จริงหรือเชิงซ้อน) V \mathcal{V} V สำหรับเวกเตอร์ ∣ ϕ ⟩ ∈ V \vert \phi\rangle \in \mathcal{V} ∣ ϕ ⟩ ∈ V ทุกตัว เรามี
∣ ⟨ ψ 1 ∣ ϕ ⟩ ∣ 2 + ⋯ + ∣ ⟨ ψ n ∣ ϕ ⟩ ∣ 2 = ∥ ∣ ϕ ⟩ ∥ 2 . \vert \langle \psi_1\vert\phi\rangle\vert^2 + \cdots + \vert \langle \psi_n \vert \phi \rangle\vert^2 = \| \vert\phi\rangle \|^2. ∣ ⟨ ψ 1 ∣ ϕ ⟩ ∣ 2 + ⋯ + ∣ ⟨ ψ n ∣ ϕ ⟩ ∣ 2 = ∥∣ ϕ ⟩ ∥ 2 .
เราสามารถนำทฤษฎีบทนี้ไปใช้หาความน่าจะเป็นได้ดังนี้
ความน่าจะเป็นที่จะได้ 0 0 0 คือ
1 2 ∣ ⟨ 0 ∣ U ∣ 0 ⟩ ∣ 2 + 1 2 ∣ ⟨ 0 ∣ U ∣ 1 ⟩ ∣ 2 = 1 2 ( ∣ ⟨ 0 ∣ U ∣ 0 ⟩ ∣ 2 + ∣ ⟨ 0 ∣ U ∣ 1 ⟩ ∣ 2 ) = 1 2 ( ∣ ⟨ 0 ∣ U † ∣ 0 ⟩ ∣ 2 + ∣ ⟨ 1 ∣ U † ∣ 0 ⟩ ∣ 2 ) = 1 2 ∥ U † ∣ 0 ⟩ ∥ 2 \begin{aligned}
\frac{1}{2}\vert \langle 0 \vert U \vert 0 \rangle \vert^2
+ \frac{1}{2}\vert \langle 0 \vert U \vert 1 \rangle \vert^2
& = \frac{1}{2} \Bigl(
\vert \langle 0 \vert U \vert 0 \rangle \vert^2
+ \vert \langle 0 \vert U \vert 1 \rangle \vert^2
\Bigr) \\[2mm]
& = \frac{1}{2} \Bigl(
\vert \langle 0 \vert U^{\dagger} \vert 0 \rangle \vert^2
+ \vert \langle 1 \vert U^{\dagger} \vert 0 \rangle \vert^2
\Bigr)\\[2mm]
& = \frac{1}{2} \bigl\| U^{\dagger} \vert 0 \rangle \bigr\|^2
\end{aligned} 2 1 ∣ ⟨ 0∣ U ∣0 ⟩ ∣ 2 + 2 1 ∣ ⟨ 0∣ U ∣1 ⟩ ∣ 2 = 2 1 ( ∣ ⟨ 0∣ U ∣0 ⟩ ∣ 2 + ∣ ⟨ 0∣ U ∣1 ⟩ ∣ 2 ) = 2 1 ( ∣ ⟨ 0∣ U † ∣0 ⟩ ∣ 2 + ∣ ⟨ 1∣ U † ∣0 ⟩ ∣ 2 ) = 2 1 U † ∣0 ⟩ 2
และความน่าจะเป็นที่จะได้ 1 1 1 คือ
1 2 ∣ ⟨ 1 ∣ U ∣ 0 ⟩ ∣ 2 + 1 2 ∣ ⟨ 1 ∣ U ∣ 1 ⟩ ∣ 2 = 1 2 ( ∣ ⟨ 1 ∣ U ∣ 0 ⟩ ∣ 2 + ∣ ⟨ 1 ∣ U ∣ 1 ⟩ ∣ 2 ) = 1 2 ( ∣ ⟨ 0 ∣ U † ∣ 1 ⟩ ∣ 2 + ∣ ⟨ 1 ∣ U † ∣ 1 ⟩ ∣ 2 ) = 1 2 ∥ U † ∣ 1 ⟩ ∥ 2 . \begin{aligned}
\frac{1}{2}\vert \langle 1 \vert U \vert 0 \rangle \vert^2
+ \frac{1}{2}\vert \langle 1 \vert U \vert 1 \rangle \vert^2
& = \frac{1}{2} \Bigl(
\vert \langle 1 \vert U \vert 0 \rangle \vert^2
+ \vert \langle 1 \vert U \vert 1 \rangle \vert^2
\Bigr) \\[2mm]
& = \frac{1}{2} \Bigl(
\vert \langle 0 \vert U^{\dagger} \vert 1 \rangle \vert^2
+ \vert \langle 1 \vert U^{\dagger} \vert 1 \rangle \vert^2
\Bigr)\\[2mm]
& = \frac{1}{2} \bigl\| U^{\dagger} \vert 1 \rangle \bigr\|^2.
\end{aligned} 2 1 ∣ ⟨ 1∣ U ∣0 ⟩ ∣ 2 + 2 1 ∣ ⟨ 1∣ U ∣1 ⟩ ∣ 2 = 2 1 ( ∣ ⟨ 1∣ U ∣0 ⟩ ∣ 2 + ∣ ⟨ 1∣ U ∣1 ⟩ ∣ 2 ) = 2 1 ( ∣ ⟨ 0∣ U † ∣1 ⟩ ∣ 2 + ∣ ⟨ 1∣ U † ∣1 ⟩ ∣ 2 ) = 2 1 U † ∣1 ⟩ 2 .
เนื่องจาก U U U เป็น unitary เราทราบว่า U † U^{\dagger} U † ก็เป็น unitary เช่นกัน หมายความว่าทั้ง U † ∣ 0 ⟩ U^{\dagger} \vert 0 \rangle U † ∣0 ⟩ และ U † ∣ 1 ⟩ U^{\dagger} \vert 1 \rangle U † ∣1 ⟩ เป็น unit vectors
ความน่าจะเป็นทั้งสองจึงเท่ากับ 1 / 2 1/2 1/2
หมายความว่าไม่ว่าเราจะเลือก U U U อย่างไร เราก็จะได้บิตสุ่มสม่ำเสมอจากการวัด
เราสามารถทำการยืนยันที่คล้ายกันสำหรับคู่สถานะ orthonormal อื่นๆ แทน ∣ 0 ⟩ \vert 0\rangle ∣0 ⟩ และ ∣ 1 ⟩ \vert 1\rangle ∣1 ⟩
ตัวอย่างเช่น เนื่องจาก { ∣ + ⟩ , ∣ − ⟩ } \{\vert + \rangle, \vert - \rangle\} { ∣ + ⟩ , ∣ − ⟩} เป็นฐาน orthonormal ความน่าจะเป็นที่จะได้ผลลัพธ์ 0 0 0 ในขั้นตอนที่สองคือ
1 2 ∣ ⟨ 0 ∣ U ∣ + ⟩ ∣ 2 + 1 2 ∣ ⟨ 0 ∣ U ∣ − ⟩ ∣ 2 = 1 2 ∥ U † ∣ 0 ⟩ ∥ 2 = 1 2 \frac{1}{2}\vert \langle 0 \vert U \vert + \rangle \vert^2
+ \frac{1}{2}\vert \langle 0 \vert U \vert - \rangle \vert^2
= \frac{1}{2} \bigl\| U^{\dagger} \vert 0 \rangle \bigr\|^2 = \frac{1}{2} 2 1 ∣ ⟨ 0∣ U ∣ + ⟩ ∣ 2 + 2 1 ∣ ⟨ 0∣ U ∣ − ⟩ ∣ 2 = 2 1 U † ∣0 ⟩ 2 = 2 1
และความน่าจะเป็นที่จะได้ 1 1 1 คือ
1 2 ∣ ⟨ 1 ∣ U ∣ + ⟩ ∣ 2 + 1 2 ∣ ⟨ 1 ∣ U ∣ − ⟩ ∣ 2 = 1 2 ∥ U † ∣ 1 ⟩ ∥ 2 = 1 2 . \frac{1}{2}\vert \langle 1 \vert U \vert + \rangle \vert^2
+ \frac{1}{2}\vert \langle 1 \vert U \vert - \rangle \vert^2
= \frac{1}{2} \bigl\| U^{\dagger} \vert 1 \rangle \bigr\|^2 = \frac{1}{2}. 2 1 ∣ ⟨ 1∣ U ∣ + ⟩ ∣ 2 + 2 1 ∣ ⟨ 1∣ U ∣ − ⟩ ∣ 2 = 2 1 U † ∣1 ⟩ 2 = 2 1 .
โดยเฉพาะ เราได้สถิติผลลัพธ์เหมือนกันกับสถานะ ∣ 0 ⟩ \vert 0\rangle ∣0 ⟩ และ ∣ 1 ⟩ \vert 1\rangle ∣1 ⟩ พอดี
สถานะแบบ probabilistic
สถานะคลาสสิกสามารถแสดงด้วย density matrices
โดยเฉพาะ สำหรับแต่ละสถานะคลาสสิก a a a ของระบบ X \mathsf{X} X density matrix
ρ = ∣ a ⟩ ⟨ a ∣ \rho = \vert a\rangle \langle a \vert ρ = ∣ a ⟩ ⟨ a ∣
แสดงถึง X \mathsf{X} X ที่อยู่ในสถานะคลาสสิก a a a อย่างแน่นอน
สำหรับ qubit เรามี
∣ 0 ⟩ ⟨ 0 ∣ = ( 1 0 0 0 ) and ∣ 1 ⟩ ⟨ 1 ∣ = ( 0 0 0 1 ) , \vert 0\rangle \langle 0 \vert = \begin{pmatrix}1 & 0 \\ 0 & 0\end{pmatrix}
\quad\text{and}\quad
\vert 1\rangle \langle 1 \vert = \begin{pmatrix}0 & 0 \\ 0 & 1\end{pmatrix}, ∣0 ⟩ ⟨ 0∣ = ( 1 0 0 0 ) and ∣1 ⟩ ⟨ 1∣ = ( 0 0 0 1 ) ,
และโดยทั่วไปเรามี 1 1 1 เดียวบนแนวทแยงในตำแหน่งที่สอดคล้องกับสถานะคลาสสิกที่เราสนใจ โดยรายการอื่นทั้งหมดเป็นศูนย์
จากนั้นเราสามารถนำ convex combinations ของ density matrices เหล่านี้เพื่อแสดงสถานะแบบ probabilistic
สมมติว่าชุดสถานะคลาสสิกของเราคือ { 0 , … , n − 1 } \{0,\ldots,n-1\} { 0 , … , n − 1 } เพื่อความง่าย ถ้า X \mathsf{X} X อยู่ในสถานะ a a a ด้วยความน่าจะเป็น p a p_a p a สำหรับแต่ละ a ∈ { 0 , … , n − 1 } a\in\{0,\ldots,n-1\} a ∈ { 0 , … , n − 1 } density matrix ที่ได้คือ
ρ = ∑ a = 0 n − 1 p a ∣ a ⟩ ⟨ a ∣ = ( p 0 0 ⋯ 0 0 p 1 ⋱ ⋮ ⋮ ⋱ ⋱ 0 0 ⋯ 0 p n − 1 ) . \rho = \sum_{a = 0}^{n-1} p_a \vert a\rangle \langle a \vert
= \begin{pmatrix}
p_0 & 0 & \cdots & 0\\
0 & p_1 & \ddots & \vdots\\
\vdots & \ddots & \ddots & 0\\
0 & \cdots & 0 & p_{n-1}
\end{pmatrix}. ρ = a = 0 ∑ n − 1 p a ∣ a ⟩ ⟨ a ∣ = p 0 0 ⋮ 0 0 p 1 ⋱ ⋯ ⋯ ⋱ ⋱ 0 0 ⋮ 0 p n − 1 .
ในทางกลับกัน density matrix ที่เป็น diagonal ใดๆ ก็สามารถระบุตัวตนตามธรรมชาติกับสถานะแบบ probabilistic ที่ได้จากการอ่านเวกเตอร์ความน่าจะเป็นออกจากแนวทแยงได้
เพื่อความชัดเจน เมื่อ density matrix เป็น diagonal ไม่ได้หมายความว่าเรากำลังพูดถึงระบบคลาสสิก หรือว่าระบบต้องถูกเตรียมผ่านการเลือกสถานะคลาสสิกแบบสุ่ม แต่ว่าสถานะ อาจ ได้มาจากการเลือกสถานะคลาสสิกแบบสุ่ม
ข้อเท็จจริงที่ว่าสถานะแบบ probabilistic แสดงด้วย density matrices แบบ diagonal สอดคล้องกับสัญชาตญาณที่แนะนำไว้ตอนต้นบทเรียนว่ารายการนอกแนวทแยงอธิบายระดับที่สถานะคลาสสิกสองสถานะที่สอดคล้องกับแถวและคอลัมน์ของรายการนั้นอยู่ใน quantum superposition
ที่นี่รายการนอกแนวทแยงทั้งหมดเป็นศูนย์ จึงมีแต่ความสุ่มเชิงคลาสสิกและไม่มีอะไรอยู่ใน quantum superposition
Density matrices และทฤษฎีบท spectral
เราเห็นแล้วว่าถ้าเรานำ convex combination ของสถานะบริสุทธิ์
ρ = ∑ k = 0 m − 1 p k ∣ ψ k ⟩ ⟨ ψ k ∣ , \rho = \sum_{k = 0}^{m-1} p_k \vert \psi_k\rangle \langle \psi_k \vert, ρ = k = 0 ∑ m − 1 p k ∣ ψ k ⟩ ⟨ ψ k ∣ ,
เราจะได้ density matrix
ทุก density matrix ρ \rho ρ จริงๆ แล้วสามารถแสดงเป็น convex combination ของสถานะบริสุทธิ์แบบนี้ได้
นั่นคือ จะมีคอลเลกชัน unit vectors { ∣ ψ 0 ⟩ , … , ∣ ψ m − 1 ⟩ } \{\vert\psi_0\rangle,\ldots,\vert\psi_{m-1}\rangle\} { ∣ ψ 0 ⟩ , … , ∣ ψ m − 1 ⟩} และเวกเตอร์ความน่าจะเป็น ( p 0 , … , p m − 1 ) (p_0,\ldots,p_{m-1}) ( p 0 , … , p m − 1 ) ที่ทำให้สมการข้างบนเป็นจริงเสมอ
นอกจากนี้ เราสามารถเลือกจำนวน m m m ให้สอดคล้องกับจำนวนสถานะคลาสสิกของระบบที่พิจารณา และเลือกเวกเตอร์สถานะควอนตัมให้ตั้งฉากกัน
ทฤษฎีบท spectral ที่เราพบในคอร์ส "Foundations of quantum algorithms" ช่วยให้เราสรุปได้
นี่คือการกล่าวซ้ำของทฤษฎีบท spectral เพื่อความสะดวก
ทฤษฎีบท
ทฤษฎีบท spectral: ให้ M M M เป็นเมทริกซ์เชิงซ้อน normal ขนาด n × n n\times n n × n
มีฐาน orthonormal ของเวกเตอร์เชิงซ้อน n n n มิติ { ∣ ψ 0 ⟩ , … , ∣ ψ n − 1 ⟩ } \{\vert\psi_0\rangle,\ldots,\vert\psi_{n-1}\rangle \} { ∣ ψ 0 ⟩ , … , ∣ ψ n − 1 ⟩} พร้อมกับจำนวนเชิงซ้อน λ 0 , … , λ n − 1 \lambda_0,\ldots,\lambda_{n-1} λ 0 , … , λ n − 1 ที่ทำให้
M = λ 0 ∣ ψ 0 ⟩ ⟨ ψ 0 ∣ + ⋯ + λ n − 1 ∣ ψ n − 1 ⟩ ⟨ ψ n − 1 ∣ . M = \lambda_0 \vert \psi_0\rangle\langle \psi_0\vert + \cdots + \lambda_{n-1} \vert \psi_{n-1}\rangle\langle \psi_{n-1}\vert. M = λ 0 ∣ ψ 0 ⟩ ⟨ ψ 0 ∣ + ⋯ + λ n − 1 ∣ ψ n − 1 ⟩ ⟨ ψ n − 1 ∣.
(ระลึกว่าเมทริกซ์ M M M เป็น normal ถ้ามันตอบสนอง M † M = M M † M^{\dagger} M = M M^{\dagger} M † M = M M † หมายความว่า เมทริกซ์ normal คือเมทริกซ์ที่สับเปลี่ยนได้กับ conjugate transpose ของตัวเอง)
เราสามารถนำทฤษฎีบท spectral ไปใช้กับ density matrix ρ \rho ρ ที่กำหนดให้ใดๆ ได้ เพราะ density matrices เป็น Hermitian เสมอและจึงเป็น normal
ซึ่งทำให้เราเขียนได้ว่า
ρ = λ 0 ∣ ψ 0 ⟩ ⟨ ψ 0 ∣ + ⋯ + λ n − 1 ∣ ψ n − 1 ⟩ ⟨ ψ n − 1 ∣ \rho = \lambda_0 \vert \psi_0\rangle\langle \psi_0\vert + \cdots + \lambda_{n-1} \vert \psi_{n-1}\rangle\langle \psi_{n-1}\vert ρ = λ 0 ∣ ψ 0 ⟩ ⟨ ψ 0 ∣ + ⋯ + λ n − 1 ∣ ψ n − 1 ⟩ ⟨ ψ n − 1 ∣
สำหรับฐาน orthonormal { ∣ ψ 0 ⟩ , … , ∣ ψ n − 1 ⟩ } \{\vert\psi_0\rangle,\ldots,\vert\psi_{n-1}\rangle\} { ∣ ψ 0 ⟩ , … , ∣ ψ n − 1 ⟩} บางฐาน
ยังคงต้องยืนยันว่า ( λ 0 , … , λ n − 1 ) (\lambda_0,\ldots,\lambda_{n-1}) ( λ 0 , … , λ n − 1 ) เป็นเวกเตอร์ความน่าจะเป็น ซึ่งเราอาจเปลี่ยนชื่อเป็น ( p 0 , … , p n − 1 ) (p_0,\ldots,p_{n-1}) ( p 0 , … , p n − 1 ) ถ้าต้องการ
ตัวเลข λ 0 , … , λ n − 1 \lambda_0,\ldots,\lambda_{n-1} λ 0 , … , λ n − 1 คือค่าเฉพาะของ ρ \rho ρ และเนื่องจาก ρ \rho ρ เป็น positive semidefinite ตัวเลขเหล่านี้จึงต้องเป็นจำนวนจริงที่ไม่ติดลบ
เราสรุปได้ว่า λ 0 + ⋯ + λ n − 1 = 1 \lambda_0 + \cdots + \lambda_{n-1} = 1 λ 0 + ⋯ + λ n − 1 = 1 จากข้อเท็จจริงที่ว่า ρ \rho ρ มี trace เท่ากับ 1 1 1
การไล่รายละเอียดจะให้โอกาสเราชี้ให้เห็นคุณสมบัติสำคัญและมีประโยชน์มากของ trace ดังต่อไปนี้
ทฤษฎีบท
คุณสมบัติ cyclic ของ trace: สำหรับเมทริกซ์ A A A และ B B B สองตัวที่ให้เมทริกซ์สี่เหลี่ยม A B AB A B จากการคูณ ความเท่าเทียม Tr ( A B ) = Tr ( B A ) \operatorname{Tr}(AB) = \operatorname{Tr}(BA) Tr ( A B ) = Tr ( B A ) เป็นจริง
สังเกตว่าทฤษฎีบทนี้ใช้ได้แม้ A A A และ B B B จะไม่ใช่เมทริกซ์สี่เหลี่ยมเอง
นั่นคือ เราอาจมี A A A ขนาด n × m n\times m n × m และ B B B ขนาด m × n m\times n m × n สำหรับจำนวนเต็มบวก n n n และ m m m บางค่า ดังนั้น A B AB A B เป็นเมทริกซ์สี่เหลี่ยมขนาด n × n n\times n n × n และ B A BA B A ขนาด m × m m\times m m × m
โดยเฉพาะ ถ้าเราให้ A A A เป็น column vector ∣ ϕ ⟩ \vert\phi\rangle ∣ ϕ ⟩ และให้ B B B เป็น row vector ⟨ ϕ ∣ \langle \phi\vert ⟨ ϕ ∣ เราจะเห็นว่า
Tr ( ∣ ϕ ⟩ ⟨ ϕ ∣ ) = Tr ( ⟨ ϕ ∣ ϕ ⟩ ) = ⟨ ϕ ∣ ϕ ⟩ . \operatorname{Tr}\bigl(\vert\phi\rangle\langle\phi\vert\bigr)
= \operatorname{Tr}\bigl(\langle\phi\vert\phi\rangle\bigr) = \langle\phi\vert\phi\rangle. Tr ( ∣ ϕ ⟩ ⟨ ϕ ∣ ) = Tr ( ⟨ ϕ ∣ ϕ ⟩ ) = ⟨ ϕ ∣ ϕ ⟩ .
ความเท่าเทียมที่สองมาจากข้อเท็จจริงที่ว่า ⟨ ϕ ∣ ϕ ⟩ \langle\phi\vert\phi\rangle ⟨ ϕ ∣ ϕ ⟩ เป็นสเกลาร์ ซึ่งมองได้เป็นเมทริกซ์ 1 × 1 1\times 1 1 × 1 ที่ trace คือรายการเดียวของมัน
โดยใช้ข้อเท็จจริงนี้ เราสรุปได้ว่า λ 0 + ⋯ + λ n − 1 = 1 \lambda_0 + \cdots + \lambda_{n-1} = 1 λ 0 + ⋯ + λ n − 1 = 1 โดยความเป็นเชิงเส้นของฟังก์ชัน trace
1 = Tr ( ρ ) = Tr ( λ 0 ∣ ψ 0 ⟩ ⟨ ψ 0 ∣ + ⋯ + λ n − 1 ∣ ψ n − 1 ⟩ ⟨ ψ n − 1 ∣ ) = λ 0 Tr ( ∣ ψ 0 ⟩ ⟨ ψ 0 ∣ ) + ⋯ + λ n − 1 Tr ( ∣ ψ n − 1 ⟩ ⟨ ψ n − 1 ∣ ) = λ 0 + ⋯ + λ n − 1 \begin{gathered}
1 = \operatorname{Tr}(\rho) =
\operatorname{Tr}\bigl(\lambda_0 \vert \psi_0\rangle\langle \psi_0\vert + \cdots + \lambda_{n-1} \vert \psi_{n-1}\rangle\langle \psi_{n-1}\vert\bigr)\\[2mm]
= \lambda_0 \operatorname{Tr}\bigl(\vert \psi_0\rangle\langle \psi_0\vert\bigr) + \cdots + \lambda_{n-1} \operatorname{Tr}\bigl(\vert \psi_{n-1}\rangle\langle \psi_{n-1}\vert\bigr)
= \lambda_0 + \cdots + \lambda_{n-1}
\end{gathered} 1 = Tr ( ρ ) = Tr ( λ 0 ∣ ψ 0 ⟩ ⟨ ψ 0 ∣ + ⋯ + λ n − 1 ∣ ψ n − 1 ⟩ ⟨ ψ n − 1 ∣ ) = λ 0 Tr ( ∣ ψ 0 ⟩ ⟨ ψ 0 ∣ ) + ⋯ + λ n − 1 Tr ( ∣ ψ n − 1 ⟩ ⟨ ψ n − 1 ∣ ) = λ 0 + ⋯ + λ n − 1
หรืออีกทางหนึ่ง เราสามารถได้ข้อสรุปเดียวกันโดยใช้ข้อเท็จจริงที่ว่า trace ของเมทริกซ์สี่เหลี่ยม (แม้ตัวที่ไม่ใช่ normal) เท่ากับผลรวมของค่าเฉพาะของมัน
ดังนั้น เราสรุปได้ว่า density matrix ρ \rho ρ ที่กำหนดให้ใดๆ สามารถแสดงเป็น convex combination ของสถานะบริสุทธิ์
เราเห็นด้วยว่านอกจากนี้เรายังสามารถให้สถานะบริสุทธิ์เป็น ตั้งฉากกัน ได้
หมายความว่าโดยเฉพาะ เราไม่จำเป็นต้องให้จำนวน n n n มากกว่าขนาดของชุดสถานะคลาสสิกของ X \mathsf{X} X
โดยทั่วไป ต้องเข้าใจว่าจะมีวิธีต่างๆ ในการเขียน density matrix เป็น convex combination ของสถานะบริสุทธิ์ ไม่ใช่แค่วิธีที่ทฤษฎีบท spectral ให้มา
ตัวอย่างก่อนหน้าแสดงให้เห็น
1 2 ∣ 0 ⟩ ⟨ 0 ∣ + 1 2 ∣ + ⟩ ⟨ + ∣ = ( 3 4 1 4 1 4 1 4 ) \frac{1}{2} \vert 0\rangle\langle 0 \vert + \frac{1}{2} \vert +\rangle\langle + \vert
= \begin{pmatrix}
\frac{3}{4} & \frac{1}{4}\\[2mm]
\frac{1}{4} & \frac{1}{4}
\end{pmatrix} 2 1 ∣0 ⟩ ⟨ 0∣ + 2 1 ∣ + ⟩ ⟨ + ∣ = ( 4 3 4 1 4 1 4 1 )
นี่ไม่ใช่ spectral decomposition ของเมทริกซ์นี้ เพราะ ∣ 0 ⟩ \vert 0\rangle ∣0 ⟩ และ ∣ + ⟩ \vert + \rangle ∣ + ⟩ ไม่ตั้งฉากกัน
นี่คือ spectral decomposition:
( 3 4 1 4 1 4 1 4 ) = cos 2 ( π / 8 ) ∣ ψ π / 8 ⟩ ⟨ ψ π / 8 ∣ + sin 2 ( π / 8 ) ∣ ψ 5 π / 8 ⟩ ⟨ ψ 5 π / 8 ∣ , \begin{pmatrix}
\frac{3}{4} & \frac{1}{4}\\[2mm]
\frac{1}{4} & \frac{1}{4}
\end{pmatrix}
= \cos^2(\pi/8) \vert \psi_{\pi/8} \rangle \langle \psi_{\pi/8}\vert +
\sin^2(\pi/8) \vert \psi_{5\pi/8} \rangle \langle \psi_{5\pi/8}\vert, ( 4 3 4 1 4 1 4 1 ) = cos 2 ( π /8 ) ∣ ψ π /8 ⟩ ⟨ ψ π /8 ∣ + sin 2 ( π /8 ) ∣ ψ 5 π /8 ⟩ ⟨ ψ 5 π /8 ∣ ,
โดยที่ ∣ ψ θ ⟩ = cos ( θ ) ∣ 0 ⟩ + sin ( θ ) ∣ 1 ⟩ \vert \psi_{\theta} \rangle = \cos(\theta)\vert 0\rangle + \sin(\theta)\vert 1\rangle ∣ ψ θ ⟩ = cos ( θ ) ∣0 ⟩ + sin ( θ ) ∣1 ⟩
ค่าเฉพาะเป็นตัวเลขที่น่าจะคุ้นเคย:
cos 2 ( π / 8 ) = 2 + 2 4 ≈ 0.85 and sin 2 ( π / 8 ) = 2 − 2 4 ≈ 0.15. \cos^2(\pi/8) = \frac{2+\sqrt{2}}{4} \approx 0.85 \quad\text{and}\quad \sin^2(\pi/8) = \frac{2-\sqrt{2}}{4} \approx 0.15. cos 2 ( π /8 ) = 4 2 + 2 ≈ 0.85 and sin 2 ( π /8 ) = 4 2 − 2 ≈ 0.15.
เวกเตอร์เฉพาะสามารถเขียนได้อย่างชัดเจนดังนี้
∣ ψ π / 8 ⟩ = 2 + 2 2 ∣ 0 ⟩ + 2 − 2 2 ∣ 1 ⟩ ∣ ψ 5 π / 8 ⟩ = − 2 − 2 2 ∣ 0 ⟩ + 2 + 2 2 ∣ 1 ⟩ \begin{aligned}
\vert\psi_{\pi/8}\rangle & =
\frac{\sqrt{2 + \sqrt{2}}}{2}\vert 0\rangle + \frac{\sqrt{2 - \sqrt{2}}}{2}\vert 1\rangle \\[3mm]
\vert\psi_{5\pi/8}\rangle & =
-\frac{\sqrt{2 - \sqrt{2}}}{2}\vert 0\rangle + \frac{\sqrt{2 + \sqrt{2}}}{2}\vert 1\rangle
\end{aligned} ∣ ψ π /8 ⟩ ∣ ψ 5 π /8 ⟩ = 2 2 + 2 ∣0 ⟩ + 2 2 − 2 ∣1 ⟩ = − 2 2 − 2 ∣0 ⟩ + 2 2 + 2 ∣1 ⟩
เป็นตัวอย่างทั่วไปอีกตัวอย่างหนึ่ง สมมติว่า ∣ ϕ 0 ⟩ , … , ∣ ϕ 99 ⟩ \vert \phi_0\rangle,\ldots,\vert \phi_{99} \rangle ∣ ϕ 0 ⟩ , … , ∣ ϕ 99 ⟩ เป็นเวกเตอร์สถานะควอนตัมที่แสดงถึงสถานะของ qubit เดียว เลือกโดยอิสระ — จึงไม่สมมติความสัมพันธ์เฉพาะใดๆ ระหว่างเวกเตอร์เหล่านี้
จากนั้นเราอาจพิจารณาสถานะที่ได้จากการเลือกหนึ่งในสถานะ 100 100 100 ตัวเหล่านี้อย่างสม่ำเสมอแบบสุ่ม:
ρ = 1 100 ∑ k = 0 99 ∣ ϕ k ⟩ ⟨ ϕ k ∣ . \rho = \frac{1}{100} \sum_{k = 0}^{99} \vert \phi_k\rangle\langle \phi_k \vert. ρ = 100 1 k = 0 ∑ 99 ∣ ϕ k ⟩ ⟨ ϕ k ∣.
เนื่องจากเรากำลังพูดถึง qubit density matrix ρ \rho ρ จึงมีขนาด 2 × 2 2\times 2 2 × 2 ดังนั้นโดยทฤษฎีบท spectral เราสามารถเขียนได้ว่า
ρ = p ∣ ψ 0 ⟩ ⟨ ψ 0 ∣ + ( 1 − p ) ∣ ψ 1 ⟩ ⟨ ψ 1 ∣ \rho = p \vert\psi_0\rangle\langle\psi_0\vert + (1 - p) \vert\psi_1\rangle\langle\psi_1\vert ρ = p ∣ ψ 0 ⟩ ⟨ ψ 0 ∣ + ( 1 − p ) ∣ ψ 1 ⟩ ⟨ ψ 1 ∣
สำหรับจำนวนจริง p ∈ [ 0 , 1 ] p\in[0,1] p ∈ [ 0 , 1 ] และฐาน orthonormal { ∣ ψ 0 ⟩ , ∣ ψ 1 ⟩ } \{\vert\psi_0\rangle,\vert\psi_1\rangle\} { ∣ ψ 0 ⟩ , ∣ ψ 1 ⟩} บางฐาน — แต่แน่นอนว่าการมีนิพจน์นี้ไม่ได้ห้ามเราเขียน ρ \rho ρ เป็นค่าเฉลี่ยของสถานะบริสุทธิ์ 100 100 100 ตัวถ้าเราต้องการทำเช่นนั้น